多属性决策的等级偏好优序法

提出了等级偏好占优关联系数的新概念, 在此基础上给出了多属性决策的等级偏好优序法. 等级偏好优序法克服了已有优序法的不足, 使各方案优劣的区分度更明显, 而且等级偏好优序法可以通过计算机编程进行实现, 从而可使等级偏好优序法在实际决策问题中发挥重要作用.     

基于超对策偏好认知信息沟的均衡结局鲁棒性分析

建立了反映超对策结局偏好认知不确定性的信息沟模型,对超对策均衡结局进行了鲁棒性分析。对于给定的不确定参数,通过在初始偏好认知向量的基础上迭代定义一序列新的偏好向量集合,构建超对策偏好认知信息沟模型。基于信息沟模型,通过确定使初始偏好认知下的超对策均衡结局集保持不变的最大不确定参数来讨论超对策均衡结局的鲁棒性。最后,一个军事例子说明了分析方法的实用有效性。     

考虑风险偏好的Stackelberg博弈模型及其在PPP项目中的数值求解

研究考虑风险偏好的Stackelberg博弈模型和均衡策略,针对公私合作制(PPP)项目补偿决策问题,根据前后补偿的特点,建立相应的补偿策略数学模型.分别进行集中决策和分散决策分析,得出PPP项目的最优补偿方案.通过数值分析比较和分析私人风险厌恶对于PPP补偿机制的影响.研究表明:私人投资者风险厌恶会导致政府方补偿成本增加,期望收益减少;私人投资者风险厌恶程度会影响补偿的配置方式,厌恶程度越低越倾向单一补偿,厌恶程度越高越倾向混合补偿.     

基于加权谱分析的用户网络社团协作推荐方法

推荐技术是解决信息过载的一种有效方法.为将纷杂的网络世界中人的行为和信息服务粘合在一起,提出了基于网络社团的协作推荐方法.利用加权谱分析提高特征向量的社团划分贡献度,充分考虑社团内用户的评价风格,将社团内用户的评价值依照用户评价偏好进行了均一化处理,最后按项目相似度对目标项目的评价进行预测.实验结果表明该方法具有较好的推荐性能.     

基于居民旅游消费偏好的郑州市乡村旅游开发策略探讨

文章分析了郑州市乡村旅游发展特点及存在问题,在问卷调查的基础上,研究了郑州市居民乡村旅游消费偏好,并提出开发策略.研究表明:郑州市乡村旅游存在开发程度低、产业关联性弱、产品层次偏低、品牌形象模糊等问题;城市居民对乡村旅游产品偏好侧重于农事体验、观光休闲、运动养生、文化体验、商务度假和自然科考等,对体验型、参与性强的乡村旅游活动具有较强的认同感;在开发策略上应走集群化发展战略,形成"一圈两翼 "的空间发展结构,打造复合型的旅游产品体系,从而实现郑州市乡村旅游的健康可持续发展.     

语言判断矩阵的满意一致性判定方法

文章研究了语言判断矩阵的满意一致性及方案排序问题,在给出语言判断矩阵及其满意一致性概念的基础上,提出语言判断矩阵的导出矩阵和偏好关系矩阵的概念,由此建立语言判断矩阵满意一致性的判定方法,依据所给出的判定方法,得出关于语言判断矩阵的方案优劣的排序方法,最后通过算例说明了该方法的有效性。     

基于偏好信息的多目标旅行商问题Pareto优化求解

多目标旅行商问题(MOTSP)是经典旅行商问题的扩展,其优化目标包含了距离、成本、收益及风险等多个相互冲突的指标.本文提出了一种基于偏好的Pareto演化算法p-PEA用于建模并求解此NP-hard问题.该优化算法建立在MOTSP的智能体仿真模型之上,从而解决了数学建模不能真实再现实际MOTSP中众多影响因素的问题.通过仿真的方法,算法能够得到MOTSP可行解的各项评价指标值.在此基础士,通过设计演化算法搜索问题的Pareto优化解集.其中,将决策者的决策偏好信息引入到Pareto优化解集的求解过程中,所得结果将更合理.最后,以一个130个城市的旅行商问题为例验证了算法的有效性.     

公众的科普偏好及影响因素——基于免费开放科技馆的多源数据统计分析

基于中国219家免费开放科技馆的互联网平台信息、科技馆年度统计资料和第三方网站评论数据,结合针对性的问卷调查,依据科学传播五要素模型,利用自然语言处理和可视化等技术,开展科技馆科普影响力现状多源数据融合分析,探究了中国公众的科普爱好及其影响因素.研究发现:公众对与生活实践密切相关的科学知识及方法的兴趣度较高,且乐于接受...     

“盘活”政务数据价值

随着互联网的快速发展和信息资源价值的日益显现,公共信息资源开放共享已经日益成为近几年社会关注的热点。但就目前阶段来看,政务大数据仍是以内部大数据应用为主,外部大数据商业化处于起步和探索阶段。在未来,如果两者能实现较好的互补,政务大数据的溢价效应将十分显著。依法开放让数据回归人民政务数据是政务部门在依法行     

基于用户偏好度的双极协同过滤推荐算法

为了解决目前推荐方法中用户相似度计算不准确、推荐准确率较低的问题,建立一种基于用户偏好度的双极协同过滤推荐算法。计算用户间共同项目数量,当共同项目数量小于设定阈值时,选择用户、项目、项目属性特征构建用户对项目、属性的双极特征向量,表示用户的喜欢程度和讨厌程度。通过对双极特征向量进行加权计算,得到用户间相似度。在标准的MovieLens数据集上验证该算法。实验结果表明,该文算法的平均绝对误差(MAE)和均方根误差(RMSE)较其他算法降低了约9%,平均分值排名(R)降低了约10%。